SAS学习笔记9

1.SET
SET语句从一个或多个SAS数据集中读取观测值并实现纵向合并。每一个SET语句被执行时，SAS就会读一个观测到PDV中。一个DATA步可以有多个SET语句，每个SET语句又可以跟多个SAS数据集。多个SET语句含有多个数据指针，多个SET语句被执行时，SAS会按照自动变量_N_合并每个SET语句后面所有数据集的观测到一个PDV中。
<1>IN=选项。
 IN选项，当读入多个SAS数据集时，用IN选项可确定本观测来自哪个数据集；
  variable＝0表示观测不是来自本数据集
  variable＝1表示观测是来自本数据集
例子：

data one;
input x y $ @@;
cards;
1 a 2 b 3 c 
;
data two;
input x z $ @@;
cards;
4 d 5 e
;
data in1;
set one(in=ina) two(in=inb);
in_one=ina;/*此处我自己的理解是这样的：前一行括号中的ina是自己定义的一个标识，表示对应的观测值在不在数据集中*/
in_two=inb;/*此时将ina和inb赋值给in_one和in_two并在数据集in1中显示*/
run;
数据集in1结果如下：
x     y      z      in_one       in_two
1     a               1            0
2     b               1            0
3     c               1            0
4            d        0            1
5            e        0            1

IN=是一个非常重要的SAS数据集选项，它可以把SET语句后面不同的数据集通过标识变量显示出来。但是由于IN本身不是变量，因此不能直接通过赋值语句如in_one=in 得到标识变量，而只能先在PDV里面创建一个临时变量（该例是ina和inb），然后把临时变量的值赋给输出变量（该例对应的是in_one和in_two）。当然，不一定非要创建输出变量。如：

data in2;
set one(in=ina) two(in=inb);
if ina=1;then flag=1;else flag=0;
run;

数据集in2的结果如下：

x    y    z     flag
1    a            1
2    b            1
3    c            1
4         d       0
5         e       0

IN=选项的作用在于通过标识输入数据集，达到对不同输入数据集执行不同条件操作的目的。

<2>当然SET语句的选项还有好多，例如经常用到的选项是KEEP=，RENAME=，WHERE=，FIRSTOBS=，OBS=，NOBS=，POINT=，END=选项，但是这些都不是很难理解，只有上边的IN=选项费了我一点时间，我将我的理解和例子写上去了，希望可以帮助到你。下边简单介绍一下后边的几个选项应用：

KEEP=：指定的变量（组）进入到PDV，即最终数据集中保存下来的数据。

RENAME=：重命名选项，知识需要对重命名变量用括号括起来。

WHERE=：和SQL的where一样，条件筛选语句，只是要对表达式用括号括起来。

FIRSTOBS=：读取数据集中的观测值开始位置。如：FIRSTOBS=3说明读取数据集的第三条观测作为开始观测。

OBS=：指定读取数据集中的观测值的结束位置。同上。

NOBS=：对应的是数据集的观测数，即数据集中数据的总条数。

POINT=：取指定的一条数据。（注意SAS中数组或者数据，开始的第一条是1而不是0）。

END=：标识文件是都结尾。通常这样用：end=last_obs;

2.BY

BY语句在过程中一般用来指定一个或几个分组变量，根据这些分组变量值把观测分组，然后 对每一组观测分别进行本过程指定的分析。在使用带有BY语句的过程步之前一般先用SORT过 程对数据集排序。

3.MERGE
merge语句可以实现多表的横向合并。从功能实现的角度，如果是一对一、多对一或一对多的关联，merge语句和SQL基本上是一样的。但是对于多对多的关联，两者有很大的差别。在实际操作中，多对多的情况是需要用SQL实现的。
注意：
【1】对需要用到BY语句的merge，merge后面所有表在merge之前都需要排序。
【2】相对于SET语句，IN=选项在merge语句中应用更广泛。
【3】BY语句后面的变量必须是merge语句后面所有数据集共同变量，所以有时候需要对表中的变量重命名。
【4】在匹配合并中，如果merge后一个数据集出现空值，则空值也会覆盖前一个表的值。

4.KEEP
KEEP=选项保证在读入数据集时只有KEEP=后面的变量进入PDV，而数据集其他所有变量将不会进入PDV。
例子：
data a1;                                                          data a2;
set sashelp.class(keep=_character_);                           set sashelp.class(keep=_numeric_);
run;                                                              run;
此程序将保留数据集class所有字符型变量。                           此程序将保留数据集class所有数值型变量。


还可以用下边的形式，来创建多个数据集，保留不同的变量：
data a3(keep=name) a4(keep=weight);
set sashelp.class;
...;
run;
此程序经过DATA步一系列操作之后，输出两个数据集：a3只有name变量;a4只有weight变量。

5.DROP
DROP语句是KEEP语句的反向声明语句，规定输出数据集中要删除的变量，同KEEP一样，对DATA步中正在创建的所有SAS数据集都适用。
DROP语句有如下两个重要的功能：
<1>读入数据集用DROP=选项效率高于DROP语句。
<2>既可以删除变量列表，也可以在输出数据集中删除不同变量。

6.SORT
SORT对数据集中的观测排序。对数据集进行合并和更新等在使用前必须经过对BY变量进行排序。
<1>常用选项说明：
DATA=:规定被排序的数据集，默认为最新创建的数据集。
OUT=：创建输出数据集，省略该选项时用排序后的数据集替换原数据。
EQUALS；保持BY组内的排序。
NOEQUALS：允许BY组内顺序变化。
NODUPKEY：删除重复BY值对应的观测。
NODUPRECS：删除重复观测值。
FORCE：删除实施多余排序。排序并替换原来加索引或取子集的数据集；在没有规定OUT=选项时，在下列情况下应该使用FORCE选项：数据集有索引、使用了OBS=        和FIRSTOBS=选项、使用DATA=规定被排序数据集时使用了WHERE选项、PROC SORT中使用了WHERE选项。
BY：PROC SORT中必须使用BY语句，BY语句中可以指定一个或多个变量。默认时升序排序。可以使用DESCENDING对变量进行降序排序，但是要注意DESCENDING一定
   要放在降序变量之前。
<2>在商业实践中，最常用的就是两个选项。OUT和NODUPKEY。注意几点：
【1】如果使用了NODUPKEY选项，最好使用OUT=选项。否则原有数据集会被 SORT后NODUPKEY删除掉一部分观测，万一程序开发有误，又要重新生成原来的数据集。而使用OUT=选项可以保证原来的数据集不变，把NODUPKEY后产生的观测输出到新的数据集中。
【2】如果有多个字符型变量需要SORT，则在SORT之前使用诸如CATT之类的字符拼接函数拼接所有需要SORT的字符变量，并且最好使用OUT=选项，以提高程序运行效率。
例子：

data a;
length cat $100;
input x1 $ x2 $ x3 $ y;
cat=catt(of x1-x3);
cards;
a1 b1 c1 1
a2 b2 c2 2
;
run;
proc sort data=a out=b;
by cat;
run;

7.SUMMARY
PROC SUMMARY = PROC MEANS;